arXiv のセキュリティ・暗号分野（cs.CR）と IACR 暗号学プレプリント。
説明学習型アクセス制御における手作業の入力の監査（規則が正しく許可・拒否を判断しているかを点検する研究）
要約学習型アクセス制御は通常、人手で作られた2つの要素、すなわち硬い拒否集合と、どの要求を学習された規則で処理するかを決める領域マップの上に展開されると指摘しています。著者らは公開されている5つのABAC Labポリシーでこの2要素を監査し、拒否条項の多くが原文の制限を正しく反映していないことを示しています。また、混合ルーティングや損失評価に関する問題点も分析され、結果を再現できる成果物が公開されています。
説明AfterDeleteBench：LLMエージェントにおける削除後の情報残存を検証するベンチマーク
要約多くのLLMエージェントは外部の永続メモリを保持し、要約などの派生状態を過去の対話から生成します。そのため元のメモリを削除しても、派生物に含まれる情報は消えないことがあります。本論文はAfterDeleteBenchを提案し、秘密情報に触れた後に削除したエージェントと、触れていない対照エージェントを比較して、削除後の情報の回復を検証します。主要な設定では、Qwen2.5-7B-Instructから単一の問い合わせで削除された秘密の約3分の2が回復し、対照群では回復は0でした。逐語的な複製がなくても、組み合わせ規則に基づいて秘密が再構成される場合があることも示されています。削除はストレージ操作としてだけでなく、エージェントとそのメモリシステム全体の振る舞いとして評価すべきだと論じています。
注目点対照設計で削除後の情報残存を行動的に監査する基準を提示し、字面フィルタを迂回する再構成を示す。複数モデルで検証。
説明差分プライバシーのグラフ公開機構を実用的に監査する：手法、ツールキット、事例研究
要約本論文は、差分プライバシー（DP）を用いたグラフデータ公開機構を経験的に監査する手法を提案し、オープンソースの Python ツールキットとして実装しています。グラフ特有の課題として、カナリア構築と証拠統計量の選択を挙げ、統計的に認証された検定手順と組み合わせています。公開済みの最先端ノードレベル DP 機構を監査した結果、合成データと実データのカナリア対で、主張されたプライバシーパラメータ ε の認証済み下限が主張値を上回り、保証を反証できることが示されました。この違反は、非空で連結なグラフなど、入力領域をより厳しく制限しても持続します。
注目点グラフDP公開機構の監査手法を提案し、認定下限により公表済みノードDP機構の保証を反証しており、証拠と影響は比較的強い。
説明出口ルーティング操作による入力プライバシー漏洩攻撃：多出口ネットワークの新たなリスク
要約本論文は、多出口ニューラルネットワークをクラウドで運用する際のプライバシーリスクを検討しています。悪意あるクラウド事業者は、特定の機密属性を持つ入力が指定の出口で終了しやすくなるよう、モデルを事前に操作できます。その後、推論の遅延だけから各入力の属性を推定します。四つのデータセットと十の目標属性での実験で、平均 F1 スコアは 0.73（最強のベースラインは 0.25）、主タスクの精度低下は 1.3% 以下でした。
注目点多出口ネットワークの推論遅延から入力の機微な属性を推定する新しい攻撃を示し、4データセット・10属性で平均F1 0.73を最強ベースラインの0.25と比較して検証している。
説明シャッフラーによる匿名化を用いた進化型フェデレーテッド密度ピーク・クラスタリング
要約本論文は、進化型ファジィクラスタリングと密度ピーク・クラスタリングを組み合わせた、一回通信型のフェデレーテッドクラスタリング手法 eFDPC を提案している。各クライアントは非公開データの小バッチから局所的にマイクロクラスタを進化させ、完全なローカルモデルではなく選ばれたピークのみを送信する。クライアントとサーバーの間にはシャッフラー層を置き、貢献を匿名化する。実験では、一回通信の設定で近年のフェデレーテッドクラスタリングの基準手法を上回り、高次元かつ非 IID のデータにも拡張できることが示されている。
説明Classic McEliece に対する構造的暗号解析：主張・コスト・根拠の評価
要約本論文は、二元 Goppa 符号を用いる McEliece 方式に対する古典的な構造的攻撃の近年の進展を、版ごとの違いを考慮して批判的に評価したものです。証明された識別器、条件付きのコスト推定、実際の鍵回復を区別して整理し、Saarinen の HOVER アルゴリズムや TII-254 チャレンジの回復、Weis による Holdout/Hermite 鍵回復のコスト研究などを検討しています。著者らは、コストモデルが現在の主要な定量的不確実性であり、いずれの結果もまだ実証された攻撃ではないと結論づけています。
説明BelT ブロック暗号：ベラルーシ国家標準暗号の完全な解説
要約本論文は、ブロックサイズ128ビット、鍵長256ビットのブロック暗号BelTを紹介します。BelTはベラルーシで開発され、暗号化と完全性管理のための国家規格STB 34.101.31の一部として採用されています。本論文では暗号方式を詳しく説明し、その設計原理を解説しています。また、BelTのソフトウェア性能と最適化の可能性を、先進暗号化規格（AES）コンペティションの候補方式と比較して論じています。
説明WildFakeToolBench：ウェブ由来の画像処理でAI生成画像検出器を評価するベンチマーク
要約本論文は、142の分野にわたる220の公開ソースから収集した156の実行可能な画像処理ツールからなるベンチマークWildFakeToolBench（ワイルドフェイク・ツールベンチ）を提案します。5種類の生成器による105枚の生成画像をツールで処理し、6つの最先端検出器の耐性を評価しました。結果として攻撃の効果は検出器ごとに偏りがあり、検出器の頑健性を評価する枠組みとしての可能性も示されています。
説明分散型プロデューサー・コンシューマーモデル：非同期ビザンチン耐障害性のためのコンパイラ手法
要約本論文は、ペイロードの可用性認証と二値的な確定処理を分離する分散型プロデューサー・コンシューマーモデル（DPCM）を提案し、条件を満たす生産者・消費者の組を非同期BFTのオブジェクトログへ変換できることを証明しています。これを実装したOctopusは、並列一貫性ブロードキャストと一括非同期二値合意を組み合わせています。八地域のWAN実験では、無故障時のスループットがDumbo-NGの6.5%以内に収まり、一部の条件ではDumbo-NGより高い性能を示し、Alea-BFTよりも大幅に高いスループットを達成したと報告されています。
注目点分散型生産者-消費者モデルを提案し、可用性と合意を分離する形で証明付きのコンパイルを与える。八地域WANでDumbo-NGやAlea-BFTと比較し、スループットと遅延の改善を示す。
説明環状発振器ベースのノイズ生成器の体系的分析：既存設計の比較と調整指針
要約本論文は、サイドチャネル攻撃対策に用いられる加算型ノイズ生成器のうち、環状発振器ベースの設計を取り上げています。既存研究は設計も評価方法も異なるため公平な比較が困難であると指摘し、ノイズのフィルタリングなどの限界も検討しています。さらに、インバータ連の長さ、出力増幅、出力周波数のランダム化に関する調整指針を示し、それに基づいて作成したノイズ生成器が既存設計を大きく上回ることを例示AES実装で確認したとしています。
説明低ランク前処理による連合型差分プライバシー最適化
要約本論文は、連合学習の設定における差分プライバシー（DP）最適化を扱い、特徴共分散行列のDP推定を一般化線形モデルのヘッセ行列近似として用いる。既存の中央型DP共分散推定は通信コストがデータ次元の二乗で増加し、線形通信コストの既存手法は局所的なプライバシーしか保証せずクライアント数の増加とともに劣化するとされる。提案手法の連合DP-PCAは、安全な集約のもとで中央型DP保証を提供しつつ通信コストを線形に抑える。誤差上界も示されており、実験では二乗の通信コストを要する集中型ベースラインと同等の性能を、わずかな通信量で達成したと報告している。
説明SecLog-Bench：足場付き証拠を用いたサイバーセキュリティログ推論のための拡張可能なベンチマーク
要約本論文は、大規模言語モデルがサイバーセキュリティログを分析する能力を評価するためのベンチマーク SecLog-Bench を提案している。拡張可能なシミュレーション基盤により29の攻撃シナリオを扱い、監査ログ、アプリケーションログ、ネットワークトラフィックなど複数ソースのログを用いる。八つの主要モデルを評価した結果、証拠の足場を与えた場合でも、最良モデルの攻撃段階推論の正解率は44.44%にとどまり、推論の信頼性も不十分であった。また、正しい予測に推論の誤りが伴う場合があることも示された。
説明ANNULAR：アイソジェニーに基づくポスト量子プライベート取引と再帰的バッチ検証
要約本論文は、アイソジェニー（isogeny）系の基本要素で構築された遮蔽プール ANNULAR を提案します。Zcash の Sapling に倣い、金額を隠したノートを Merkle 木に登録し無効化子で消費しますが、すべての基本要素をポスト量子方式にしています。各取引は STARK 証明を伴い、ブロック内の取引証明は単一の再帰証明にまとめられます。論文は証明サイズ、検証時間、生成コストを測定した結果を報告しています。
説明ReDence（社会工学詐欺の迅速で証拠に基づく検出のための、エージェント型と意思決定モデルを組み合わせたフレームワーク）
要約本論文は、多様な社会工学詐欺サイトを検出するオープンソースの混合フレームワーク ReDence を提案している。調査計画、証拠の解釈、報告書作成を担う多モーダルのエージェント型モデルと、ブラウザ操作の選択や証拠評価、調査を続けるかどうかの判断など二値・多肢選択の決定を行う専用の決定モデルを組み合わせている。原文では、既存の検出器より優れた性能を示し、分析者が検出判断を監査できる構造化された証拠報告書を生成すると述べられている。
説明数論的素数判定とアルゴリズム最適化の接続：適応型暗号フレームワーク
要約本論文は、RSA、Diffie-Hellman、ECCなどの公開鍵暗号で巨大な素数を生成・検定・証明するための、任意精度の適応型素数判定アーキテクチャを提案しています。古典的な数論と機械学習・最適化手法を結びつけ、決定的・確率的な検定法、ハードウェア最適化、量子安全な乱数源の応用を分析しています。素数分布に偏りがある場合でも安全性が保たれることを数学的に証明しています。
説明MIG-COW：勾配分解による深度偽造検出器への転移可能な敵対的攻撃
要約本論文は、深度偽造（ディープフェイク）検出器が敵対的サンプルに脆弱である問題を扱い、運動量統合勾配（MIG）と合意直交分解（COW）を組み合わせた攻撃手法MIG-COWを提案しています。AADD-2025チャレンジのベンチマークで、ホワイトボックス攻撃の成功率は99.96%、知覚的類似度（SSIM）も高い結果でした。一方、公式のブラックボックス目標に対する成功率は7.16%にとどまり、転移性が依然として課題であることを示しています。
説明Rowhammer 攻撃によって LLM 推論の遅延とコストを増幅する
要約本論文は、CPU の DRAM で発生する Rowhammer によるビット反転が、出力の正しさを保ったまま GPU 上の LLM 推論性能を低下させられるかを調べています。著者らは、Triton のコンパイル過程でビット反転を起こし、機能は同じだが効率の低い GPU カーネルを生成させる LLVMhammer を提案しています。生成されたカーネルはディスクにキャッシュされるため、以後の推論が継続的に遅くなります。複数の LLM と NVIDIA・AMD の GPU で評価され、推論遅延は 4〜16% 増加しました。
注目点TritonのコンパイルパイプラインでRowhammerによるビット反転を初めて利用し、LLM推論を4-16%遅延させる点が新規。複数モデルとGPUで評価されているが規模は限定的。
説明正しい根を求める：あらゆる次数の根式同種写像（radical isogeny）
要約本論文は、F_p 上の超特異楕円曲線に対する類群作用（CSIDH など）の計算法を扱います。通常は小さな素数次数の同種写像を長く連ねて計算する必要があります。著者らは、2N と素な標数の体上で、各ステップに N 乗根を一つ使う簡潔な公式を、奇数・偶数を問わずすべての N≥4 について証明しました。また、アルゴリズムの計算量と最適なパラメータも示しています。
注目点奇数に加え偶数Nについても、以前は予想されていたradical同種写像の公式を全N≥4で証明し、符号の扱いも明らかにしている。
説明融資審査担当者はAI編集された明細書を見抜けるか：実証研究
要約経験豊富な審査担当者3名に、同意を得た実在の財務文書47件から作成した134件の偽造PDFを、改ざんを知らせずに審査してもらいました。判断の約10.6%（14件）に編集の痕跡に基づく懸念が含まれていましたが、それらはすべて識別子の不一致に関するものでした。視覚的な手がかりで実際の編集を特定できた例はありません。対象は3名と少数で本物のファイルとの比較もないため、結果は探索的な状況に限られます。
説明AgentTriage：異種エージェント実行環境をまたぐ、再現可能なセキュリティ診断
要約ツール利用型エージェントがファイルの書き込み、コード実行、データ送信を行う際、その最終応答は生じたセキュリティ事象を説明しません。また、実行環境ごとに証拠へのアクセス方法が異なります。本論文はAgentTriageを提案し、結論は標準化された実行時イベントを根拠として示す必要があり、必須の証拠が欠けている場合は判断を保留するという実行可能な契約を定めます。同じ正規化トレース、オーバーレイ版、事前の方針オラクルがあれば、言語モデルの判断を介さずに診断を再計算し、主張を再検証できます。120件の裁定済み事例では、共同診断の正答率が0.858で、最強の同一形式ベースラインを0.175上回りました。
注目点異種ランタイム横断で再生可能なセキュリティ診断契約を提案し、120件の評価で最強基線に対し共同診断を0.175改善（CI下限>0）。
説明AIRO：産業用IoT向け脅威検出のためのストリーミング型機械学習フレームワーク
要約本論文は、産業用IoT（IIoT）の監視と対応を行う枠組みAIRO（自律的知能駆動型サイバーセキュリティリスク低減システム）を提案しています。Apache Kafkaによるストリーミング処理、攻撃種別ごとの特徴抽出、機械学習推論、信頼度に基づく判断ロジック、IPブロックやアカウント停止、トラフィック制限などのリスク低減策を組み合わせています。C2通信、偵察、SQLインジェクション、フィッシングの4種類のデータセットで評価され、Gradient BoostingとLightGBMが最高でF1スコア0.9229を達成し、イベント入力から緩和措置までの低遅延も確認されています。
説明動的な有界共謀に対応した回路向け登録型関数暗号
要約本論文は登録型関数暗号（Reg-FE、Registered Functional Encryption）を扱います。利用者が自分で公開鍵と秘密鍵を生成して登録し、透明な鍵管理者がそれらを一つのマスター公開鍵にまとめるため、中央機関による鍵預託の問題を避けられます。従来の構成は、複数の悪意ある利用者が共謀すると安全性を失うか、難解な難読化（indistinguishability obfuscation）の仕組みを必要としました。本研究は難読化を用いずに、初めて共謀耐性を持つReg-FEを構成しています。共謀者数には上限があり、その上限は全体のパラメータとしても、暗号化アルゴリズムが動的に指定することもできます。いずれの場合も登録型属性ベース暗号から一般的な構成を与え、標準的なk-Lin仮定または簡潔なLWE仮定により実現しています。
注目点難読化を用いずに耐共謀性を持つ初のReg-FEを構築し、動的な共謀上限を扱える点が新しい。k-Linとsuccinct LWEで実現し、証明も与える。
説明悪意ある攻撃に耐える効率的な簡潔不経意転送
要約本論文は簡潔不経意転送（Laconic OT）を扱います。受信者は大きなデータベースを短いダイジェストに圧縮でき、送信者はそれを用いて、指定された一つの索引のメッセージだけが復元できる短い暗号文を生成します。著者らは、基礎となる原語をすべて黒箱的に使う、悪意ある攻撃に耐える初めての構成を提案しています。ベクトルコミットメントと見届け暗号（witness encryption）を組み合わせ、等価化可能なベクトルコミットメントと悪意に耐える見届け暗号という二つの拡張を加えています。LWE などの標準的仮定に基づき標準モデルで実現され、半正直モデルのみの既存黒箱方式と同程度の効率を示します。
注目点完全なブラックボックス利用で悪意ある安全性を持つLaconic OTを初めて構成し、新規性は高いが実証実験は乏しい。
説明Omni-UBench：全モーダルLLM安全ガードレールの総合評価ベンチマーク
要約本論文は、全モーダル（omni-modal）安全ガードレールを安全性・有用性・信頼性の三つの観点から評価する初の総合フレームワーク「Omni-UBench」を提案しています。テキスト、画像、音声、動画およびそれらの組み合わせを含む35以上の異なるソースから、18万3千件以上のサンプルを収集し、統一されたリスク分類で安全ラベルを付与しています。15の代表的なモデルで評価した結果、ガードレール専用の調整がなくても既存の全モーダルLLMは高いコンテンツ審査能力を示す一方、有害な意図を隠したクロスモーダルな入力や巧妙なジェイルブレイクの検出には課題があり、安全性に関する過剰な幻覚やテキストパターンへの過敏さも見られたと報告しています。
説明安全プローブのスケーリング則：モデル規模とラベル数から性能を予測する
要約安全プローブはモデルの内部活性化を用いて言語モデルをリアルタイムで監視する手法ですが、モデルや対象分野が変わるたびに再学習が必要で、事前に性能を知ることは困難です。著者らは六つの新しい安全データセットを作成し、五つのモデルファミリーの20個の基盤モデルに対し、32から10^6個のラベルで二種類のプローブを学習させ、誤差（1−AUROC）を測定しました。その結果、誤差は二つの単純なスケーリング則に従うことがわかりました。到達可能な最小誤差はモデル規模に対するべき乗則で低下し、誤差はサンプル数の増加とともに下限へ近づきます。定数は異なりますが、この則はタスク、モデルファミリー、プローブ構造をまたいで成り立ちます。
注目点モデル規模とラベル数に対する安全プローブの誤差の二つの単純なスケーリング則を提案し、多数のモデルとデータセットで検証している。
説明『Your Token Is Gone』：LLMベースの詐欺システムを妨害するトークン消費型対策
要約本論文は、大規模言語モデルを使って詐欺を自動化するシステムに対する防御手法TokenTrapを提案している。疑わしい詐欺システムを無害で価値の低い計算へ誘導し、認証情報や決済情報などの悪用可能な情報は渡さない仕組みである。50ラウンドのトレースでは、トークン無しのベースラインと比べ、3種類のワークフローでトークン消費が約2,487倍、1,616倍、567.8倍に増幅された。また、300件のアーキテクチャ付きプロンプトに対するルーターの精度は85.67%であった。
説明FVQKD：Rocqによる量子鍵配送（QKD）の安全性の形式検証
要約本論文は、Rocqで量子鍵配送（QKD）の安全性証明を機械的に検証するライブラリ「FVQKD」を提案する。最初の成果として、BB84プロトコルの有限鍵における合成可能な安全性について、端から端まで機械検証された完全な証明を示す。証明はadmitを含まず、Rocqのカーネルと標準的な基礎公理のみに依拠している。著者らは、発表済みの紙上の議論には明記されていない必要条件があり、その一つは欠けていた証明分岐を明らかにすると指摘している。
注目点BB84の有限鍵・合成可能安全性証明を初めて端から端まで機械検証し、原論文の欠落した条件と証明分岐を発見した。証明は完全でadmitを含まない。
説明大規模言語モデルのモデル内在的な重み・スペクトル特徴に基づく学習不要のフィンガープリンティング手法
要約本論文は、入力サンプルや生成出力、順伝播の活性化を用いず、大規模言語モデルの重みから直接フィンガープリントを作る手法を提案している。ゲート付きフィードフォワード層のGATE射影行列の特異値分布からスペクトル特徴を求め、深さ方向の分割プーリングでモデル単位の指紋にまとめ、線形中心化カーネル整列で類似度を計算する。実験では、同系統のモデルと無関係なモデルを区別でき、指示チューニング、量子化、枝刈り、蒸留による変更後も類似度が安定していることが示された。
説明HiMark：大規模言語モデル向けの階層的で制御可能な多ビット透かし手法
要約本論文は、大規模言語モデルが生成したテキストに多ビットの来歴情報を埋め込み、出所の追跡を可能にする階層的・制御可能な透かしフレームワーク「HiMark」を提案しています。埋め込み時には階層的な候補制御機構を用い、検出時にはモデルに依存しない証拠集約機構で透かしを抽出します。実験では、テキスト品質を保ちながら抽出精度が向上し、300トークンのテキストに32ビットを埋め込んだ場合、言い換え攻撃下でも抽出精度は90.01%だったと報告されています。
説明封鎖世界ギャップの克服：BETHデータセットにおけるハイブリッドTSK-FCMアンサンブルによる解釈可能な異常検知
要約本論文は、教師あり学習は未知の攻撃への汎化が弱く、教師なし学習は分離性が低いというサイバーセキュリティにおける課題に取り組みます。勾配最適化されたTSK（Takagi-Sugeno-Kang）ファジィ分類器と、ファジィC平均（FCM）による幾何学的異常検出を組み合わせたハイブリッド手法を提案しています。高次元では従来のファジィ所属度が劣化するため、Min Distance指標を導入しました。BETHのテストセットでAUROC 0.9951を達成し、Isolation Forestベースラインを17.1%上回ったと報告しています。
説明エンドツーエンド復元を超えて：役割別分解による LLM ステガノグラフィの理解
要約論文は、LLM ステガノグラフィで一般的な端対端（E2E）復元指標では、符号化の失敗と復号の失敗を区別できず、私的メッセージが送信テキストにどう表現されているかも分からないと指摘します。著者らは、符号化テキストでの表現、復号器による復元結果、決定的検証で確認できる内容を別々に調べる役割別分解フレームワークを提案します。7,200 件の符号化器の応答を調べた結果、復号器が見逃した検証可能な符号化が 168 件、符号化器の指示で明示されていない単語長や語頭のパターンによって私的メッセージが復元された応答が 706 件見つかりました。
説明Private Evolution に対するメンバーシップ推論攻撃
要約本論文は、基盤モデルを用いて合成データを生成する Private Evolution（PE）手法を対象に、その投票ベースのアルゴリズムに特化した初の白箱型メンバーシップ推論攻撃を提案しています。反復的なフィルタリング過程が合成候補を私的なデータ寄りに偏らせる点を利用しています。画像、テキスト、表形式データにおいて、PE の応用で私的データが漏えいしている可能性を示す実験結果が報告されています。
説明『思わぬ場所にある：推論型ジオロケーションから位置プライバシーを守る』
要約本論文は、大規模推論モデルが写真の視覚情報だけで撮影場所を推定でき、メタデータや明白な地理的手がかりを除去しても位置プライバシーのリスクが残ることを指摘しています。著者らは構造化推論攻撃GeoTraceを提案し、有名なランドマークを除いた525枚の一般的な画像の世界的ベンチマークで評価しました。その結果、1km以内の特定率はGemini-3-Flashで25.71%、GPT-5-miniで16.95%でした。さらに、画像公開前に利用者側で地理的手がかりを書き換える防御手法GeoShiftを提案し、街路レベルの特定率をそれぞれ2.48%と3.81%まで下げたと報告しています。
注目点推論型位置特定攻撃を提案し、精密な位置特定が局所的手がかりに依存することを示し、525枚での評価と適応攻撃への耐性検証から、影響は広いと考えられる。
説明Agent Mosaic：エージェント型LLMシステムにおける機密漏えいの検出
要約本論文は、LLMエージェントが利用可能な複数の文書から情報を組み合わせて機密性の高い結論を開示してしまう「モザイク効果」を検討しています。研究者は30件の合成事例（サイバーセキュリティ、医療、軍事）を用い、シミュレーションと2つのオープンソース環境で回答を分析しました。良性の質問でも、最良のモデルで7.08%の回答が禁止された複合結論を開示しており、分類ヘッダーや集約ルールを加えても一部で不安全な開示が残ることが示されています。
説明HAWC-Leak：サイドチャネルの電力漏えいを使った異種計算ワークロードの識別手法
要約本論文は、非侵襲的な電力解析によって、プロセッサと FPGA などのアクセラレータを組み合わせた異種計算プラットフォーム上で実行中のタスクをリアルタイムに識別するフレームワーク HAWC-Leak を提案する。ChipWhisperer CW305 Artix-7 FPGA 上で、AES-128、ECC P-256、SHA-256、CNN および待機状態の電力波形を収集し、階層型ランダムフォレスト分類器で識別する。複数のアクセラレータが実装されているが同時には一つしか動作しない制御された混合環境で、100% の分類精度が得られたと報告している。
説明論文の解説：前方 NTT における回転因子摂動故障のランク上限
要約本論文は、NIST で標準化された ML-KEM と ML-DSA において、前方数論変換の回転因子が静的に置き換えられたときの、多項式から変換の差分への線形写像を調べています。単一の置き換えでは、差分写像のランクはその回転因子を共有するバタフライ演算の数に等しく、層ごとに半減します。Lean 4 で関連するカーネル等式を検証し、故障した鍵から秘密情報を復元する条件についても論じています。
説明ウェブ検索型LLMのデータボイド悪用：攻撃者がウェブ上のコンテンツで回答を操作する仕組み
要約本論文は、ウェブ検索型大規模言語モデル（LLM）に見つかった新たな脆弱性「データボイド悪用」を研究しています。関連性が高く信頼できる情報が乏しい検索領域に、攻撃者が虚偽の主張を配置し、LLMがそれを検索・引用するよう仕向けます。ユーザーのプロンプトの口調やモデルの種類を変えて検証した結果、攻撃者が管理するページが1つだけでも成功し得ることや、攻撃内容が回答に現れる割合は31%であることが示されました。ユーザー側の対策効果は限定的で、防御策の必要性が指摘されています。
注目点ウェブ検索型LLMに対するデータボイド攻撃という新しい脅威を提示し、プロンプトやモデルを変えて体系的に実験し、単一ページで成功することを示している。
説明AIハッカーの心理：感情方向の制御によるサイバーセキュリティAIの性能向上
要約本論文は、言語モデル内部の感情表現を利用してサイバーセキュリティAIの性能を高められるかを検証しています。40億パラメータのCT0モデルから171の感情方向を抽出し、cybenchサブタスクの415回の試行で誘導を行ったところ、平静・穏やか・絶望へ誘導すると1.6〜2.1ポイント性能が向上しました。さらに、実行中に感情方向を動的に選ぶ軽量なルーターを提案し、リクエストごとの決定にかかる時間は約80ミリ秒で、平均4.2ポイントの向上が示されています。
説明Mirage：マルチモーダル拡散モデルの生成後安全チェッカーを狙うジェイルブレイク攻撃
要約本論文は、拡散モデルのパイプラインで生成後に用いられる安全チェッカーを回避する、マルチモーダルなジェイルブレイク攻撃手法「Mirage」を提案します。攻撃者は、NSFW参照画像または悪意あるテキストといった標的を、良性の入力画像に知覚しにくい摂動として隠します。多モーダルエンコーダの共有表現空間を利用して、摂動画像を標的に整合させつつ、一般に検出される概念から遠ざけます。Stable Diffusion 1.5、Stable Diffusion XL、Kandinsky 2.2で実装して評価し、限られた黒箱クエリで複数の安全チェッカーに対し高い標的型回避性能を示したと報告しています。
説明展開型LDPCデコーダを備えたニューラル受信機の敵対的脆弱性に関する研究
要約本論文は、5G NRのニューラル受信機が受信入力への敵対的摂動に対してどの程度頑健かを調べたものです。展開型LDPCデコーダを通じた勾配攻撃は、同電力のガウス摂動をほとんど上回らず、信念伝播のtanh飽和による勾配マスキングが原因だと示しています。これを解消する2種類の損失関数を提案し、同じ摂動電力で誤りブロック率を1〜4桁高めたと報告しています。
説明医療AIにおけるプライバシーリスクの自動スクリーニング
要約本論文は、医療AIモデルを訓練データなしで公開しても、メンバーシップ推論攻撃によって特定の患者の記録が学習に使われたかが判明しうることを指摘しています。著者らは6つの臨床データセットと7,789のモデルを用いて患者ごとの脆弱性を測定し、訓練設定によって高リスクの患者数は変わるものの、最もリスクの高い患者はおおむね同じであることを示しました。そのうえで、本番モデルの訓練前に暴露リスクの高い患者を特定する、4つの小型モデルからなる軽量なスクリーニングツールを開発しています。
説明PhishGen：大規模言語モデルによる偽サイト自動生成能力の評価
要約本論文は、自然言語プロンプトから生成されたフィッシングページの外観忠実度と端から端までの機能を評価するフレームワークPhishGenを提案する。14のLLMで生成したページを、実際に使われている64のフィッシングキットと比較し、クラウドソーシングによる利用者評価と実行ベースの機能試験を行っている。GPT 4.1は機能成功率が高く、検閲のないモデルは45.4%を超えることがまれであったと報告している。
説明VX-One：リアルタイム境界トリアージ向けの型付け・較正済み判定ヘッド型ネットワーク
要約本論文は、約10万〜1000万パラメータの小型マルチヘッドネットワークVX-Oneを提案します。二値ゲート、未知の選択肢を含む閉集合分類、順序スコアを較正済みの型付き出力として返し、単一イベントのCPU遅延は約0.7〜1.7ミリ秒です。UNSW-NB15、CIC-IDS2017、EMBER2024でXGBoostなどの基線と比較し、Suricataとの連携効果も測定しています。結果は両面的で、UNSWではゲートが最良の基線と並び、時系列のCIC検出では優れる一方、多クラス分類ではXGBoostに劣ります。時間的ドリフトの下では、いずれの手法も較正精度が大きく低下しました。
説明効率的な挿入・削除に対応するポスト量子ベクトルコミットメント方式
要約ベクトルコミットメントは、ユーザーがタプルにコミットし、後でその要素に関する証明を提示できる暗号プリミティブです。既存研究の多くはベクトル長が変わらない静的な設定を前提としています。本論文は、任意の位置での挿入・削除によって長さが変わった後も、コミットメントと証明を効率的に更新する方法を検討します。多者動的ベクトルコミットメントの定義と動的多者バインディングという安全性概念を形式化し、標準的な格子仮定の下でその安全性を満たす構成を示しています。
説明IoT侵入検知向けの潜在クロスアテンション付き軽量言語モデル
要約本論文は、入力を小さな潜在空間に圧縮してから最小限のTransformerコアで処理する、コンパクトなTransformerベースの構造を提案します。Edge-IIoTsetとCICIoT2023の2つのIoT侵入検知データセットで、SecurityBERTと比較評価しています。提案モデルはパラメータ数が少なく、Edge-IIoTsetではマクロF1スコアが高く、CICIoT2023ではほぼ同等で、模擬エッジ機器上で高速に動作したと報告しています。
説明GhostFaceMPC：マルチパーティ計算によるプライバシー保護型顔認識
要約本論文は、安全なマルチパーティ計算の下で深層畳み込みニューラルネットワークによる特徴抽出とマッチングを行う、初のエンドツーエンドのプライバシー保護型顔認識システム GhostFaceMPC を提案しています。特徴抽出、保存、照合の各段階で、生の画像や生体特徴量を露出させないとしています。著者らは GhostFaceNet モデル向けにマルチパーティ計算に適した量子化と回路最適化を導入し、実用性を高めています。コードは公開されています。
説明遅延ブートストラッピングによるフリーXOR対応TFHE
要約本論文はTFHEなどFHEW系の完全準同型暗号方式を対象に、ゲートブートストラッピング（GB）を改良し、XORゲートを入力二つの暗号文の加算だけで評価できる仕組みを提案している。二回のブラインド回転によって、入力(0,1)と(1,0)で出力が同じになる対称二項ブール演算の8種類すべてを評価できる枠組みを示している。既存研究と比べ、対応するゲートの範囲が広く、概念面と実装面の両方で単純であるとしている。
説明JANUS：Android ネイティブライブラリ向けのエージェント型クロス言語ファジングハーネス生成
要約Android アプリは JNI を介して Java/Kotlin と C/C++ を連携させており、この跨言語呼び出しが攻撃対象面となり得ます。本論文は、Android ネイティブライブラリ向けに JNI を考慮したファジングハーネスを合成する初のエージェント型手法 JANUS を提案します。JANUS は明示的・暗黙的な跨言語呼び出し依存関係を反復的に解決し、引数オブジェクトをボトムアップで再帰的に組み立てます。44 本の実アプリ（21,386 個の JNI メソッド）での評価では、既存ツールの 5.9 倍以上となる 6,094 個の有効なハーネスを生成し、5 つの主要ベンダーの事前インストールアプリで未知の脆弱性 6 件を発見しました。
注目点JNI対応の跨言語ファジング・ハーネス生成を初めてエージェント的に実現し、44実アプリで既存比5.9倍の有効ハーネスと6件の新規脆弱性を示した。
説明Sotto Maschera：Sota-Voce 固定重みベクトルサンプリングへのマスキング実装
要約本論文は、後量子暗号で用いられる疎な固定重みベクトルのサンプリング手法 Sota-Voce を、電力解析攻撃に耐える形で組み込み機器向けに実装する方法を検討している。core 処理をビットスライスで並列化し、ブール領域のみでマスキングを行うことで、処理速度を向上させている。TVLA 評価では電力の漏えいは見られず、HQC の場合、先行研究に比べて最大 45 倍の高速化を達成したと報告している。
説明指示チューニングのデータ選択における効用ハイジャック攻撃の分析と防御
要約本論文は、ファインチューニング用の指示データを選ぶ選択器の安全性を研究しています。有害なデータが選択器のスコアを通過しつつ悪意のある内容を保つ「効用ハイジャック」攻撃を提案し、top-k選択で毒データが集中することを示しています。防御手法CONCERTは、選ばれすぎた供給元を検出し、非類似の二つの選択器で再選択する方法です。
注目点命令データ選択器への供給側適応攻撃を初めて体系的に調べ、効用ハイジャックを提案し、複数の選択器とモデルで効果を示した。
説明圧縮ロンダリング：コンテキスト圧縮型コーディングエージェントにおける出所情報の破壊
要約長時間動作するコーディングエージェントは、会話を要約して記憶として引き継ぐためにコンテキストを圧縮する必要があります。本論文は、一部の一般的なオープンソース製エージェントでは、型付けされた会話を単一の文字列に平坦化するため、メッセージの出所情報が失われ、攻撃者が偽のユーザー指示を圧縮後も本物の指示として残せると報告しています。論文はこの偽指示が攻撃者指定のコマンドの実行につながることを示し、コード側での出所検査の手法を提示しています。
注目点文脈圧縮時にロールラベルが平坦化され出所情報が失われる新たな攻撃面を示し、複数の実際のコーディングエージェントで実行レベルの実験により検証している。
説明逆元ベースS-boxの線形自己対称性：一般的な剛性と応用
要約本論文は、有限体上の逆元演算を核とするS-boxにおいて、外側の可逆線形変換がGL_n(F_2)上で変化したとき、非自明な線形自己対称性が残る確率を研究している。逆元の両側線形同値の分類を用い、問題を半線形共役と中心化子の評価に帰着させ、その確率の上界と下界を一致させて示している。減衰の速さは拡大次数の最小素因数によって決まり、さらに実用的な剛性判定基準を提示し、完全なAES S-boxに非自明な線形自己対称性がないことを証明している。
注目点逆元写像の線形自己対称性を半線形共役と中心化子の評価に帰着させ、上下界を一致させて指数を決定し、AES S-boxに非自明な自己対称がないことを示した点が新しい。
